Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2.7. Corrigés 103<br />
A peu de choses près, on reconnaît dans le premier terme l’espérance d’une binomiale et dans<br />
le second l’espérance d’une uniforme, d’où :<br />
E[Y] = n<br />
2<br />
1 n+1 n<br />
+ × =<br />
2n 2 2<br />
n+1<br />
+ .<br />
2n+1 Exercice 2.10 (Espérance d’une loi hypergéométrique)<br />
1. D’après l’exercice 2.4, X suit une loi hypergéométrique H(N,n,p).<br />
2. On numérote de 1 à Np les Np votants pour le candidat A. Pour tout k ∈ {1,...,Np}, on<br />
appelle Xk la variable aléatoire qui vaut 1 si l’individu k fait partie de l’échantillon, 0 sinon.<br />
(a) On a donc X = X1 +···+XNp.<br />
(b) La variable X1, ne pouvant prendre que les valeurs 0 et 1, est une variable de Bernoulli.<br />
La probabilité qu’elle vaille 1 est la probabilité que le votant 1 fasse partie de<br />
l’échantillon formé par un tirage sans remise de taille n parmi N, c’est donc n/N. Ainsi<br />
E[X1] = n/N et idem pour les autres Xi puisqu’ils ont tous la même loi, d’où par<br />
linéarité de l’espérance :<br />
E[X] = E[X1 +···+XNp] = NpE[X1] = np.<br />
On retrouve exactement la moyenne d’une variable aléatoire distribuée suivant une loi<br />
binomiale B(n,p).<br />
3. D’après ce qui précède, X ∼ H(32,5,1/8) puisque la proportion de rois est égale à 4/32 =<br />
1/8. Le nombre moyen de rois obtenus est donc E[X] = 5/8.<br />
Exercice 2.11 (Espérance d’une loi géométrique)<br />
1. D’après l’exercice 2.5, X suit une loi géométrique G(1/6). Son espérance vaut :<br />
E[X] =<br />
+∞<br />
n=1<br />
n 1<br />
6<br />
n−1 5<br />
=<br />
6<br />
1<br />
+∞<br />
n<br />
6<br />
n=1<br />
n−1 5<br />
=<br />
6<br />
1<br />
6 ×<br />
2. Généralisation : si X ∼ G(p), le même calcul donne E[X] = 1/p.<br />
1<br />
= 6.<br />
(1−5/6) 2<br />
3. Soit X le nombre d’essais nécessaires pour ouvrir la porte. On a vu dans l’exercice 2.5 que<br />
X ∼ G(1/10), donc le nombre moyen d’essais est E[X] = 10.<br />
4. En notant X la variable aléatoire égale à N − 2, il apparaît que X est à valeurs dansÆ∗ ,<br />
avec :<br />
∀n ∈Æ∗<br />
È(X = n) =È(N = n+2) = 2 −n = 1<br />
n−1 1<br />
,<br />
2 2<br />
ce qui est exactement dire que X ∼ G(1/2). Ainsi d’une part E[X] = 2, et d’autre part<br />
E[X] = E[N −2] = E[N]−2, d’où E[N] = 4.<br />
Un polygone à N côtés compte D = N(N −3)/2 diagonales : N choix pour une extrémité,<br />
(N −3) pour l’autre, et on divise par 2 afin de ne pas compter chaque diagonale deux fois.<br />
Ainsi :<br />
E[D] = 1<br />
2<br />
E[N(N −3)] = 1<br />
2<br />
Un petit calcul s’impose :<br />
E[X(X −1)] =<br />
+∞<br />
n=1<br />
1<br />
E[(X +2)(X −1)] = (E[X(X −1)]+2E[X]−2).<br />
2<br />
n(n−1)<br />
2<br />
n−1 1<br />
=<br />
2<br />
1<br />
+∞<br />
n−2 1<br />
n(n−1) ,<br />
4 2<br />
n=1<br />
et le rappel en début d’exercice permet d’aboutir à E[X(X − 1)] = 4. Au total, le nombre<br />
moyen de diagonales est donc E[D] = 3.<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2